2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著機(jī)器人技術(shù)的不斷發(fā)展,工業(yè)機(jī)器人的應(yīng)用領(lǐng)域也大大擴(kuò)展,已開始從傳統(tǒng)的汽車制造、機(jī)械加工向五金、3C、家具等各個離散制造行業(yè)推廣應(yīng)用??紤]到在新興制造領(lǐng)域中存在大量的小件裝配需求,并且它們具有典型的多品種、小批量和短周期特點(diǎn),因而該領(lǐng)域?qū)I(yè)機(jī)器人的易用性提出了極高的要求。機(jī)器人演示編程作為一種提高機(jī)器人易用性的重要途徑,由于其可以有效簡化機(jī)器人編程,因而成為了當(dāng)前機(jī)器人領(lǐng)域中的研究熱點(diǎn)。
  本文針對工業(yè)裝配演示編程中的動作識

2、別問題展開研究,考慮到裝配動作識別的復(fù)雜性,本文從裝配物體和操作手兩個主體中提取特征描述裝配動作,進(jìn)而實(shí)現(xiàn)連續(xù)裝配動作識別。本文具體的研究內(nèi)容和成果如下:
  1.提出了改進(jìn)的壓縮跟蹤算法。針對原壓縮跟蹤中目標(biāo)尺寸和學(xué)習(xí)率均固定的問題,本文算法一方面通過利用帶通道標(biāo)記的隨機(jī)稀疏測量矩陣從不同尺度圖像形成的圖像金字塔中采集低維Haar特征,從而獲取不同尺度圖像的特征描述,實(shí)現(xiàn)變尺寸的物體跟蹤;另一方面在參數(shù)更新時引入歸一化的顏色直方

3、圖描述目標(biāo),通過計(jì)算當(dāng)前跟蹤結(jié)果和跟蹤目標(biāo)的直方圖巴氏距離判斷跟蹤目標(biāo)是否被遮擋,并以此自適應(yīng)地改變學(xué)習(xí)率參數(shù)。實(shí)驗(yàn)結(jié)果表明該算法能夠應(yīng)對小目標(biāo)跟蹤、尺度變化和遮擋等影響。
  2.提出了基于分層模型的多特征融合裝配動作識別方法。在底層模型中,裝配手勢類型基于旋轉(zhuǎn)不變特性的IHOG特征和Zernike矩特征識別,裝配動作高度變化類型通過分析手的運(yùn)動軌跡Z分量隨時間的變化獲取,而XY平面投影軌跡和裝配物體平面運(yùn)動軌跡則用于提取本文提

4、出的平面軌跡方向直方圖。高層模型將底層模型中的手勢、高度變化類型以及平面軌跡方向直方圖作為特征,結(jié)合Multi-class SVM分類器實(shí)現(xiàn)了裝配動作識別。實(shí)驗(yàn)中該方法對包含放、貼、推、擰和提5類裝配動作的視頻識別正確率高達(dá)98%,與其他的動作識別方法相比,準(zhǔn)確率更高,更加適合裝配演示編程系統(tǒng)。
  3.提出了結(jié)合滑動窗口的分割點(diǎn)檢測和基于迭代動態(tài)規(guī)劃的識別優(yōu)化的方法以實(shí)現(xiàn)連續(xù)裝配動作分割與識別。考慮到裝配動作分割和裝配動作識別兩

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論